ارائه رویکردی برای شناسایی و طبقه بندی جهش ها براساس ویژگی های جهش ها با الگوریتم های یادگیری ماشین

آزمون جهش نرم افزار، یکی از روش های موثر برای ارزیابی کیفیت کد و تشخیص خطاهای پنهان است. با این حال، این روش با چالش هایی مانند تولید جهش های معادل و زمان بر بودن فرایند مواجه است. موردآزمونهای طراحی شده برای آزمون نرم افزار باید از کفایت لازم برخوردار باشند. برای این کار از معیار امتیاز آزمون جهش استفاده می شود. یکی از مسائل اصلی مرتبط با آزمون جهش نرم افزار، تولید جهش های معادل است. جهش های معادل، جهش هایی هستند که باعث تغییر در رفتار برنامه نمی شوند و خروجی یکسانی با برنامه اصلی دارند. شناسایی این جهش ها می تواند فرایند آزمون جهش را زمان بر و هزینه بر کند. همچنین امکان دارد این جهش ها به اشتباه در دسته جهش های سرسخت قرار بگیرند. درحالی که جهش های سرسخت را میت وان با تغییر موردآزمونها و تقویت آنها پیدا کرد. در این مقاله، ما به بررسی روشی برای طبقه بندی جهش های برنامه برای شناسایی و جداسازی جهش های معادل از جهش های سرسخت می پردازیم. با استفاده از الگوریتم های یادگیری ماشین، ما قصد داریم که این فرایند را بهینه سازی کنیم و کارآمدی و کارایی روش را بهبود دهیم. این کار با استخراج ویژگی های مختلف از جهش ها و استفاده از آنها برای آموزش مدل های یادگیری ماشین انجام می شود.